摩洛哥年轻女性乳腺癌结局与临床病理特征、风险因素及治疗的相关性：单机构716例比较研究
该数据集来自摩洛哥拉巴特国家肿瘤研究所，回顾性纳入2009年诊断的716例乳腺癌女性，按年龄分为≤40岁组和>40岁组，比较两组在临床病理特征、风险因素及治疗方面的差异
基本信息
资源简介
摩洛哥年轻女性乳腺癌结局与临床病理特征、风险因素及治疗的相关性：单机构716例比较研究
Outcome of breast cancer in Moroccan young women correlated to clinic-pathological features, risk factors and treatment: a comparative study of 716 cases in a single institution
该数据集来自摩洛哥拉巴特国家肿瘤研究所，回顾性纳入2009年诊断的716例乳腺癌女性，按年龄分为≤40岁组和>40岁组，比较两组在临床病理特征、风险因素及治疗方面的差异。数据记录自患者医疗档案，使用SPSS 13.0分析。年轻患者占全部乳腺癌患者的24.9%，两组在未产（p=0.001）和孕激素受体阴性（p=0.01）上存在显著差异。该数据可用于研究年轻女性乳腺癌的侵袭性特征、预后相关因素及生存结局（来源 DataONE，CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：背景：年轻女性乳腺癌较为少见，表现出更具侵袭性的特征，且在世界不同人群之间存在显著差异。年轻患者的乳腺癌预后和结局已被广泛研究，但仍无共识。方法：我们回顾性纳入2009年在拉巴特国家肿瘤研究所诊断的716例乳腺癌女性病例。患者按年龄分为两组：年龄≤40岁女性（第1组）和年龄>40岁女性（第2组）。数据从患者医疗档案中记录，并使用SPSS 13.0软件（IBM）进行分析。结果：年轻患者占所有乳腺癌患者的24.9%。两组比较在未产（p = 0.001）和孕激素受体阴性（p = 0.01）方面显示出显著差异。此外，更多进展（转移
【主题与分类】
主题标签：Breast cancer、young women、event-free survival、risk factors、molecular subtypes.。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3Aac55e7a2cea668ca873d3479d7dcbbd5eae0846568359aeab46f799db00c5775
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
背景：年轻女性乳腺癌较为少见，且表现出更具侵袭性的特征，全球不同人群之间存在显著差异。年轻乳腺癌患者的预后和结局已被广泛研究，但仍未达成共识。方法：我们回顾性纳入了2009年在拉巴特国家肿瘤研究所确诊的716例乳腺癌女性病例。根据年龄将患者分为两组：年龄≤40岁的女性（第1组）和年龄>40岁的女性（第2组）。数据从患者病历中记录，并使用SPSS 13.0软件（IBM）进行分析。结果：年轻患者占所有乳腺癌患者的24.9%。两组比较在未产（p = 0.001）和孕激素受体阴性（p = 0.01）方面显示出显著差异。此外，与年龄较大的乳腺癌女性相比，年轻女性中记录了更多的疾病进展（转移/复发）（p = 0.03）。该……
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
